当我们需要进行手势识别时，我们应该为每一种手势训练几个隐马尔可夫模型。然后，当我们需要对某个手势进行分类时，我们计算每个隐马尔可夫模型的序列概率，并选择概率最高的那个模型。

但是，当我们需要对一系列手势进行分类，并且不知道如何分割这些手势以采用与单一手势相同的方法时，我们该怎么办呢？

那么，我们如何进行这种序列分类呢？隐马尔可夫模型是否合适？还有其他方法吗？

谢谢

回答：

自然语言处理通常通过实时解释来实现这一点。设置一个匹配阈值；当一系列动作解析为一个独特的手势，并且达到阈值时，你就将其解释为一个手势。

这种方法在描述上很简单。但在实际操作中，会有很多反馈，特别是如果某些手势是其他手势的子集，或者匹配的效果不如我们期望的那样清晰时。

如果你想使用隐马尔可夫模型，你能在经过一些训练后用终止状态的标记来初始化它吗？